[發明專利]基于圖像處理的身份驗證方法及裝置、介質、計算機設備

在審

• 申請號: 202310143063.1
• 申請日: 2023-02-16
• 公開（公告）號: CN116012928A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 葛昭蒂
• 申請（專利權）人: 平安壹錢包電子商務有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06F21/32
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 朱春元

本發明公開了一種基于圖像處理的身份驗證方法及裝置,涉及圖像處理技術領域，主要目的在于解決通過人臉識別驗證身份有效性較低的問題。包括：獲取待身份驗證的人臉圖像數據；通過已完成訓練的人臉圖像轉換模型對所述人臉圖像數據進行轉換處理，得到轉換圖像數據，所述人臉圖像轉換模型為基于至少兩個圖像域中的圖像訓練樣本數據進行訓練得到的，其中，不同圖像域中的圖像訓練樣本數據通過域映射關系在生成器中生成目標域的真假訓練樣本數據，并通過鑒別器對所述真假訓練樣本數據進行損失驗證，完成基于所述圖像訓練樣本的模型訓練；若所述轉換圖像數據與基于待身份驗證的身份信息調取的驗證圖像數據匹配，則確定所述人臉圖像數據通過身份驗證。

技術領域

本發明涉及一種圖像處理技術領域，特別是涉及一種基于圖像處理的身份驗證方法及裝置、介質、計算機設備。

背景技術

隨著圖像處理技術的快速發展，在大部分身份驗證場景中通常都已經采用人臉識別技術來進行身份確認，例如，銀行企業、醫療企業、保險企業等用戶通過人臉識別來進行身份驗證。其中，在進行人臉識別過程中，由于在采集用戶人臉圖像時，用戶通常帶有一定的表情，為了準確與預先選好的用于表征身份的人臉圖像進行對比，需要對采集的人臉圖像進行人臉轉換，以得到用于對比的標準人臉圖像。

目前，現有的人臉圖像轉換通常采用深度學習算法進行轉換，其中，在進行圖像數據的區域轉換過程中，一個深度學習模型對應一個圖像域數據進行轉換處理，從而完成人臉圖像的全部轉換，以進行身份識別。然而，多個圖像域之間是存在映射關系的，基于單一圖像區域的訓練數據對深度學習模型進行訓練，無法滿足深度學習模型的高效訓練需求，深度學習模型無法基于訓練數據進行充分訓練，導致大大降低了人臉轉換的準確性，增加了人臉轉換的失真情況，從而降低了通過人臉識別進行身份驗證的有效性。

發明內容

有鑒于此，本發明提供一種基于圖像處理的身份驗證方法及裝置，主要目的在于現有通過人臉識別進行身份驗證的有效性較低的問題。

依據本發明一個方面，提供了一種基于圖像處理的身份驗證方法，包括：

獲取待身份驗證的人臉圖像數據；

通過已完成訓練的人臉圖像轉換模型對所述人臉圖像數據進行轉換處理，得到轉換圖像數據，所述人臉圖像轉換模型為基于至少兩個圖像域中的圖像訓練樣本數據進行訓練得到的，其中，不同圖像域中的圖像訓練樣本數據通過域映射關系在生成器中生成目標域的真假訓練樣本數據，并通過鑒別器對所述真假訓練樣本數據進行損失驗證，完成基于所述圖像訓練樣本的模型訓練；

若所述轉換圖像數據與基于待身份驗證的身份信息調取的驗證圖像數據匹配，則確定所述人臉圖像數據通過身份驗證，所述驗證圖像數據為按照預置驗證表情進行圖像采集得到的。

進一步地，所述通過已完成訓練的人臉圖像轉換模型對所述人臉圖像數據進行轉換處理，得到轉換圖像數據之前，所述方法還包括：

獲取至少兩個圖像域所對應的圖像樣本數據，以及所述圖像域的域信息；

根據所述域信息確定與所述圖像域對應的域映射關系，并構建待訓練人臉圖像轉換模型的生成對抗網絡，所述生成對抗網絡包括生成器以及鑒別器；

當確定用于訓練模型的目標域后，通過所述生成器生成與所述圖像訓練樣本數據以及所述目標域對應的真假訓練樣本數據，所述真假訓練樣本數據中包含所述目標域在所述域映射關系中的他域信息；

當根據所述真假訓練樣本數據對所述人臉圖像轉換模型進行訓練過程中，所述鑒別器計算的損失值符合預設損失閾值，則確定所述人臉圖像轉換模型完成訓練。

進一步地，所述構建待訓練人臉圖像轉換模型的生成對抗網絡之后，所述方法還包括：